旋轉(zhuǎn)機(jī)械故障類型識(shí)別的神經(jīng)網(wǎng)絡(luò)方法研究

孫佳榆 ，楊兆建 ，楊亞?wèn)|

（1.太原理工大學(xué)機(jī)械工程學(xué)院，山西 太原 030024；2.煤礦綜采裝備山西省重點(diǎn)實(shí)驗(yàn)室，山西 太原 030024）

1 引言

旋轉(zhuǎn)機(jī)械被廣泛地應(yīng)用于各種類型的機(jī)械設(shè)備中，如提升機(jī)、掘進(jìn)機(jī)、風(fēng)機(jī)、蒸汽輪機(jī)等等，無(wú)論是化工、冶金、礦山、機(jī)電等各種工業(yè)領(lǐng)域都會(huì)應(yīng)用旋轉(zhuǎn)機(jī)械設(shè)備[1]。旋轉(zhuǎn)機(jī)械設(shè)備是否能夠安全穩(wěn)定地運(yùn)行，對(duì)于工業(yè)生產(chǎn)顯然有著重要的意義。然而，機(jī)械設(shè)備往往本身構(gòu)造復(fù)雜，故障類型繁多，傳統(tǒng)的故障診斷方法已不能滿足需求[2]。近年來(lái)，故障診斷技術(shù)越來(lái)越受到重視，各種高新技術(shù)被廣泛地應(yīng)用于各種機(jī)械設(shè)備的故障診斷[3]。人工神經(jīng)網(wǎng)絡(luò)以其大規(guī)模并行分布式結(jié)構(gòu)，優(yōu)越的學(xué)習(xí)能力和泛化能力在機(jī)械設(shè)備故障診斷中得以廣泛應(yīng)用[4]。

將介紹廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）和概率神經(jīng)網(wǎng)絡(luò)（PNN）在旋轉(zhuǎn)機(jī)械設(shè)備故障類型識(shí)別方面的研究。同時(shí)，將其結(jié)果與BP神經(jīng)網(wǎng)絡(luò)及RBF 神經(jīng)網(wǎng)絡(luò)得到的結(jié)果作比較。

2 相關(guān)概念與理論

2.1 徑向基函數(shù)網(wǎng)絡(luò)

2.1.1 徑向基神經(jīng)元模型

徑向基神經(jīng)元模型，如圖1 所示。

其輸出表達(dá)式為：

式中：radbas—徑向基函數(shù)，通常為高斯函數(shù)：

圖1 徑向基神經(jīng)元模型Fig.1 Radial Basis Neuron Model

徑向基函數(shù)的圖形和符號(hào)，如圖2 所示。

徑向基傳輸函數(shù)在距離n 為0 時(shí)，其輸出為1，如圖2 所示。在距離n 為0.833 時(shí)，輸出為0.5。即當(dāng)輸入向量與神經(jīng)元權(quán)值的距離較小時(shí)產(chǎn)生的輸出值趨于1，從而激活下一層線性神經(jīng)元的輸出[5]。

圖2 徑向基函數(shù)Fig.2 Radial Basis Function

2.1.2 徑向基神經(jīng)網(wǎng)絡(luò)（RBF）模型

徑向基神經(jīng)網(wǎng)絡(luò)是一種前向型反向傳播網(wǎng)絡(luò)，它一般有兩個(gè)網(wǎng)絡(luò)層：隱含層為徑向基層；……